跟着 Manus 一起火的 MCP 到底是什么？

最近以 Manus 为代表的 AI 代理（Agent）突然流行了起来，而跟着火爆的还有个一关键的技术就是 MCP。

MCP 是领先的 AI 模型提供商 Anthropic 提出了一种协议和架构，为语言模型提供从外部系统获取的必要上下文。顾名思义，Model Context Protocol (模型上下文协议) 定义了如何将现有数据源 (如文件系统、关系数据库、代码库等几乎所有内容) 连接到 LLM 和代理。

Anthropic 的 MCP 在 AI 集成领域取得了重大进展，提供了一种通用标准，简化了 AI 系统与各种数据源之间的连接。这个开源协议解决了数据访问碎片化的挑战，使 AI 应用更高效且具有上下文感知能力。通过简化与不同数据源的无障碍交互，MCP 提高了 AI 生成响应的相关性和准确性，这是 AI 能力发展的重大突破。

▍什么是 MCP？

模型上下文协议 (MCP) 是一种标准化协议，将 AI 代理连接到各种外部工具和数据源。可以将它想象成一个 USB-C 接口：它为 AI 系统连接各种工具和数据源提供了统一方法。

就像 USB-C 简化了不同设备与计算机的连接方式，MCP 简化了 AI 模型与你的数据、工具和服务的交互方式。

▍MCP 工作原理：架构

MCP 采用简单的客户端-服务器架构：

-MCP 主机： 需要访问外部数据或工具的应用程序 (如 Claude Desktop 或 AI 驱动的 IDE)

-MCP 客户端： 与这些 MCP 服务器交互的 AI 驱动工具 ，与 MCP 服务器维持专用一对一连接

-MCP 服务器： 通过 MCP 暴露特定功能的轻量级服务器， 作为数据网关，向 AI 应用公开资源、工具和提示

-本地数据源： MCP 服务器安全访问的文件、数据库或服务

-远程服务： MCP 服务器访问的基于互联网的外部 API 或服务

将 MCP 视为桥梁可以更清晰地理解： MCP 本身不处理复杂逻辑，它只是协调 AI 模型与工具之间的数据和指令流。

TIP:就像 USB-C 简化了不同设备与计算机的连接方式，MCP 简化了 AI 模型与你的数据、工具和服务的交互方式

Anthropic MCP 允许数据在 AI 模型和外部数据源间双向流动，使 AI 应用更具交互性和环境感知能力。该协议作为将 AI 模型与各种工具集成的基础层，对开发更精细和实用的 AI 应用至关重要。

通过提供开源框架，MCP 简化了开发人员的工具集成过程，减少了为每个新数据源进行自定义实现的需求。MCP 设计用于适应各种环境，包括低代码平台和云服务，提供了多功能性和适应性。

▍为什么使用 MCP 而非传统 API？

传统上，将 AI 系统连接到外部工具需要集成多个 API。每个 API 集成都意味着需要单独的代码、文档、认证方法、错误处理和维护。

为什么传统 API 就像为每扇门都配备单独钥匙

打个比方：API 就像单独的门——每扇门都有自己的钥匙和规则：

▍MCP vs. API: 快速比较

-单一协议： MCP 充当标准化"连接器"，集成一个 MCP 就意味着可能接入多种工具和服务，而非仅限一种

-动态发现：MCP 允许 AI 模型动态发现并与可用工具交互，无需预先硬编码每个集成的细节

-双向通信：MCP 支持持久、实时的双向通信（类似 WebSockets），AI 模型既能检索信息，又能动态触发行动

为什么需要双向通信？

MCP 提供实时双向通信能力：

-获取数据：LLM 向服务器查询上下文 → 例如查看你的 日历

-触发行动：LLM 指示服务器执行操作 → 例如 重新安排会议、发送邮件

▍MCP 在 AI 代理发展中的作用

尽管有许多框架可用于构建 AI 代理，但几乎所有框架都依赖于利用 LLM 函数调用能力的工具。虽然这是正确的方法，但这种机制限制了 LLM 可以映射到提示或查询的工具和函数数量。

Anthropic 的 MCP 通过实现 AI 代理与外部系统的直接双向通信，显著增强了其功能。这一进步使 AI 代理能够访问外部数据库的实时信息，管理文件系统，并与 GitHub 等平台无缝交互。因此，AI 代理可以自主执行复杂任务，如简化软件开发工作流，从而提高效率并减少手动干预需求。

通过促进这些交互，MCP 使 AI 代理能够在各领域执行复杂操作，标志着 AI 代理工作流发展的重大进步。

▍MCP 应用场景：何时使用 MCP？

考虑以下场景：

1. 行程规划助手

- 使用 API：你需要为 Google Calendar、电子邮件、航空公司预订 API 分别编写代码，每个都需要自定义认证、上下文传递和错误处理逻辑

- 使用 MCP：你的 AI 助手可以无缝检查你的日历可用时间、预订航班并发送确认邮件——全部通过 MCP 服务器完成，无需为每个工具创建自定义集成

2. 高级 IDE（智能代码编辑器）

- 使用 API：你需要手动将 IDE 与文件系统、版本控制、包管理器和文档集成

- 使用 MCP：IDE 通过单一 MCP 协议连接这些工具，实现更丰富的上下文感知和更强大的建议

3. 复杂数据分析

- 使用 API：你需要手动管理与每个数据库和数据可视化工具的连接

- 使用 MCP：你的 AI 分析平台能通过统一的 MCP 层自主发现并与多个数据库、可视化和模拟工具交互

▍参考信息

• https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/

• https://www.forbes.com/sites/janakirammsv/2024/11/30/why-anthropics-model-context-protocol-is-a-big-step-in-the-evolution-of-ai-agents/

© AI范儿

要进“交流群”，请关注公众号获取进群方式

投稿、需求合作或报道请添加公众号获取联系方式

点这里关注我，记得标星哦～